随着雷达技术体制、计算机技术等学科的发展,电磁环境中的信息的形式瞬息万变。因此采用多传感器对目标进行全方位、多维度的关联和信息融合得到完整准确的信息显得很有意义。本文主要针对异类多传感器系统提出了基于证据理论的电子支援措施(Electronic Support Measures)和雷达的数据关联方法;针对被动多传感器系统研究了基于数据关联的航迹跟踪方案,并通过仿真分析加以验证。在信息融合的理论基础上,本文主要针对以下四个方面进行研究:1.对于异类传感器融合系统,本文主要研究了利用方位信息对ESM数据和雷达航迹进行关联。本文提出了一种改进的证据合成规则,给出了根据加权欧式距离产生基本概率赋值的函数,并提出了基于D-S证据理论的关联方法。通过仿真对比了该算法与基于极大似然的关联方法、基于模糊综合的关联方法的关联性能,证明了该算法对于不同ESM和雷达采样周期比的泛用性,以及对于方位靠近目标关联性能的优越性。2.本文研究了属性特征固定雷达的属性关联问题。给出了高斯模型中的关联函数,并将基本顺序算法方案(Basic Sequential Algorithmic Scheme)改进后应用于雷达属性关联问题。针对BSAS对数据参与运算顺序敏感的问题,提出了结合模拟退火算法的BSAS算法和结合蚁群优化算法的BSAS算法。通过仿真与BSAS、基于重分配的BSAS算法对比,证明了本文提出的算法能够改善BSAS的顺序敏感性,以及提高关联性能。3.本文研究了时变属性特征雷达的属性关联问题。给出了基于集合论的关联函数,以及关联门限的数学表达式和近似解。并将本文提出关联函数应用于基于密度的空间聚类算法,给出了时变属性特征雷达属性关联的具体流程。通过仿真实验验证了不同检测概率下该算法的关联性能。4.本文研究了多传感器模型下的单目标跟踪问题。本文将单传感器模型中的修正增益扩展卡尔曼滤波(Modified Gain Extended Kalman Filter)算法推广到了多传感器模型,推导了多传感器模型下的MGEKF可修正方程形式。通过仿真证明了该算法定位性能的优越性。